ICLR 2024 最终评分 55666 1 背景 文本评估通常需要大量的人力和时间成本 随着LLM的出现，研究人员探索了LLMs作为人工评估替代方案的潜力基于单一代理的方法表现出潜力，但实验结果表明需要进一步的进展来弥合它们当前的有效性和人类级别的评估质量之间的差距——>论文采用了多agent辩论框架 利用它们各自的能力和专业知识来提高处理复杂任务的效率和效果构建了一个名为ChatEval的

Power Struggles: Revisiting the RISC vs. CISC Debate on Contemporary ARM and x86 Architectures （2013） 摘要： RISC和CISC的争论在1980s激化，而当时芯片面积和处理器设计复杂度是主要的限制因素，并且当时台式机和服务器独占计算领域相比于1980s，现在能耗和功耗是主要的设计约束，计算领域

使用Debate Dynamics在知识图谱上进行推理 摘要介绍背景与相关工作我们的方法状态action环境policiesDebate Dynamics裁判奖励报酬最大化和培训计划 实验数据集度量和评估方案结果 总结 摘要 我们提出了一种新的基于 Debate Dynamics 的知识图谱自动推理方法。 其主要思想是将 三元组分类 任务定义为两个强化学习主体之间的辩论游戏

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 在信息技术飞速发展的今天，多模态数据已经成为近年来数据资源的主要形式，因此研究多模态学习的发展赋予计算机理解多元异构数据的能力就具有着重要的价值。利用多种模态，对深度学习的研究具有重要的意义。同时多模态的数据也可为模型的决策提供更多的信息，从而提高决策总体的准确率。 7月3日，PhD Debate第四期“多模态学习的机遇与挑战”

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 6月11日19:00-20:30，本期PhD Debate直播间邀请了来自香港大学计算机学院助理教授黄超、新加坡国立大学博士后张震、清华大学博士生武楚涵和中国科学技术大学博士生吴剑灿，与大家一起聊一聊自监督学习在推荐系统中的应用。 近年来，自监督学习在各个领域得到了广泛的应用。通过引入额外的监督信号，来解决数据稀疏性的问题。 1、